很可惜 T 。T 您现在还不是作者身份，不能自主发稿哦～
如有投稿需求，请把文章发送到邮箱tougao@appcpx.com，一经录用会有专人和您联系
咨询如何成为春羽作者请联系：鸟哥笔记小羽毛（ngbjxym）
星标可乐的数据分析之路
一起进步学习
1、如果在小红书商城中某一商户给一产品定价，如果按照全网最低价500元定价，那么客人就一定会选择在此购买；价格每增加1元，客人的流失的可能性就会增加1%。那么该商户给客人报出最优价格为（）
A、520
B、535
C、550
D、565
答案：C
解析：
要求定价为多少时，利润能最大。设价格涨幅为x，利润为y，M为顾客数未知，但是一个固定值。求二元一次方程y=M(1-x/100)x的最大值。
2、在一次集卡活动中，有5种不同的卡片以相同的概率出现，每分享一次笔记就可以得到一张卡片，集齐所有卡片所需点赞的笔记数量的期望，与以下哪个结果最为接近？（）
A、9
B、11
C、13
D、15
答案：B
解析：
考察多个几何分布的和。
首先题目符合几何分布，独立试验->拿到一种卡片的概率相同->为了集齐卡片要进行多少次试验。对于几何分布，若其每次成功的概率为p，则期望为1/p.
回到本题，有几种情况：
假设这里面只有一种卡片，拿一次就拿齐了所有卡片，期望是1
假设这里面有两种卡片，第一次肯定能拿到一种，那么，再拿多少次可以拿到剩下的那种呢，就又变成了一个几何分布，p = 1/2，期望是2，所以总的期望是1+2=3
假设这里面有3种卡片，第一次肯定拿到了一种，期望是1，第二次要拿剩余的两种的一种，p = 2/3，期望是3/2，第三次要拿到第三种，p = 1/3，期望是3，所以整体的期望是1+3/2+3=11/2
依次类推，5种卡片，全部拿齐的期望应该是：
第一次拿到了1种，期望是1，第二次拿到剩余4种中的1种，p=4/5，E=5/4，第三次拿到剩余3种中的1中，p=3/5，E=5/3，第四次拿到剩余2种中的1中，p=2/5，E=5/2，第五次拿到剩余1种，p=1/5，E=5。
总的期望就为：1+5/4+5/3+5/2+5,约等于11.42
这和集5福是一个道理。
3、在excel中如何将列a的字符值与列b的字符值合并为一个字符串c（）
A、c=a+b
B、c=a&b
C、c=a and b
D、c=a*b
解析：
考察Excel基本用法
Excel中字符的合并是用“&”符号，也可以用函数CONCATENATE。Python中字符串的拼接用“+”
SQL中字符拼接可以用“+”，也可以用concat函数
4、select count(open) count(distinct user_id) from temp1
（）
A、3,4
B、5,5
C、5,3
D、3,5
这道题不懂是什么意思，没有给表。
5、调查全公司1000名员工平均交通费用支出情况，采取不重置抽样，从其中抽取100名进行调查。根据以往调查可知总体方差s²为100，则样本均值的方差为 （）
A、0.1
B、1
C、100/111
D、10/111
答案：C
解析：
不重置抽样时，样本均值的方差用以下公式来计算：
6、已知2-5月环比增长速度分别为5.6%、7.1%、8.5%、6.4%，则5月对比1月的增速是 （）
A、5.6%7.1%8.5%6.4%
B、(105.6%107.1%108.5%106.4%)-100%
C、(5.6%7.1%8.5%6.4%)+100%
D、105.6%107.1%108.5%106.4%
答案：B
解析：
考察定基增速与环比增速
5月对比1月的增速是定基增长速度，定基增速与环比增速两者之间没有直接的换算关系，在由环比增长速度推算定基增长速度时，可先将各环比增长速度加1后连乘，再将结果减1，即得定基增长速度，则定基增长速度为(107.8%×109.5%×106.2%×104.9%)-100%。
7、“鱼与熊掌不可得兼”的意思是：（）
A、要么得鱼，要么得熊掌
B、得熊掌就不得鱼
C、或者得鱼，或者得熊掌
D、不得熊掌就得鱼
答案：B
解析：
考察互斥事件
鱼和熊掌是互斥事件，只有其中一个会发生，只有B是这个意思
8、以下哪些是判别模型？（）--多选
A、隐马尔可夫
B、决策树
C、支持向量机
D、朴素贝叶斯
E、最大熵模型
答案：BCE
解析:
考察机器学习算法的基本概念
决策树、支持向量机、最大熵模型属于判别模型，典型的判别模型还有KNN、逻辑回归、神经网络等。朴素贝叶斯、隐马尔科夫属于生成式模型。
关于判别模型和生成模型，博文机器学习之判别式模型和生成式模型 - nolonely - 博客园 举了一个例子：
判别式模型举例：要确定一个羊是山羊还是绵羊，用判别模型的方法是从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只羊是山羊的概率，是绵羊的概率。
生成式模型举例：利用生成模型是根据山羊的特征首先学习出一个山羊的模型，然后根据绵羊的特征学习出一个绵羊的模型，然后从这只羊中提取特征，放到山羊模型中看概率是多少，在放到绵羊模型中看概率是多少，哪个大就是哪个。
9、下列Excel公式输入的格式中，正确的有()
A、=SUM(1,2,,,,99,100)
B、=SUM(E1:E6)
C、=SUM(E1；E6)
D、SUM(“18”,”25”,7)
答案：B
解析：
考察Excel基本用法
Excel里sum函数求和的用法为B选项
10、关于正态分布,下列说法正确的是（）--多选
A、正态分布具有集中性和对称性
B、正态分布的均值和方差决定正态分布的位置和形态
C、正态分布的偏度为0，峰度为1
D、标准正态分布的均值为0，方差为1
答案：ABD
解析：
考察正态分布的基本知识
正态分布曲线对称，具有对称性，均值和中位数位于中央，具有集中性。
正态分布的均值决定了曲线的中央位置，方差指出了分散性，也就是方差越大，曲线越扁平、越宽，决定了其形态。
标准正态分布的均值为0，方差为1。
标准正态分布的偏度为0，峰度为0（3）。
11、X服从区间（1,5）上的均匀分布，求对X进行3次独立观测中，至少有2次的观测值大于2的概率（）
答案：27/32
解析：
考察二项分布用法
三次独立观测满足二项分布X~B(3,3/4)
关于二项分布，可参考我之前的文章：
离散型随机变量的概率分布
12、抽样估计的优良标准有三个：（），影响时间序列的因素有四个：（）
答案：无偏性、一致性、有效性；长期趋势、季节变动、循环波动、不规则波动
解析：
考察统计学中的抽样估计、时间序列的基本概念
概念性问题
13、请给出三种常见的聚类算法:（）
答案：K-means聚类、K-中心点聚类、EM算法、OPTICS算法、DBSCAN算法等
解析：
考察聚类算法的基本概念
14、小红书人脸识别系统识别当前进入小红书公司人员的身份，此系统一共识别三种不同的人员：员工，送餐员和陌生人。哪种学习方法适合此种应用需求（）
答案：多分类
解析：
考察机器学习的应用
15、小红书在首页上线了一个新的模块，目的是为了提升用户的浏览时长，请设计一套分析方案，衡量模块上线后对用户停留时长是否有提升？
解析：
思路A/B Test，后面第19题再详细说它。
16、下表是某电商在不同品类不同月份的销量数据
（1） 请用sumif或 sumifs在F3单元格实现计算洗面奶在201901的销量
（2） 请用函数实现计算洗面奶有几个月的销量超过了100万
（3） 请用函数计算洗面奶这个品类的月复合增长率
答案：
=SUMIFS(**:C15,B4:B15,E4,A4:A15,F3)
=COUNTIFS(B2:B13,B2,C2:C13,">100")
=pow(160/120,1/3)-1
解析：
考察Excel的实际应用
第一题考察SUMIFS函数用法，这个函数是用来进行条件求和的，该函数至少有三部分参数：
sum_range：指进行求和的单元格或单元格区域（求和区域）
criteral_range：条件区域，在求和时，该区域将参与条件的判断
criterl：通常是参与判断的具体一个值，来自于条件区域
把这个函数展开具体来看就很简单了：
第二题考察COUNTIFS函数的用法，这个函数是用来进行条件计数的，它的参数：
criteria_range[N]：指要进行计数的单元格或单元格区域（条件区域）
criteria[N]：条件值。
这个公式展开后同样非常好理解：
第三题是复合增长率的计算，它的公式是：
(现有价值/基础价值)^(1/期数) - 1
这里要计算的是洗面奶的月复合增长率，Excel里用power函数计算乘幂。
17、有订单事务表orders：
orders
有收藏事务表favorites：favorites
请用一句SQL取出所有用户对商品的行为特征，特征分为已购买、购买未收藏、收藏未购买、收藏且购买（输出结果如下表）结果
答案：
SELECT o.user_id,o.item_id,
(CASE when o.pay_time is not null then 1 else 0 end) as '已购买',
(CASE when o.pay_time is not null and f.fav_time is null then 1 else 0 end) as '购买未收藏',
(CASE when o.pay_time is null and f.fav_time is not null then 1 else 0 end) as '收藏未购买',
(CASE when o.pay_time is not null and f.fav_time is not null then 1 else 0 end) as '收藏且购买'
FROM orders o
LEFT JOIN favorites f
ON o.user_id = f.user_id
AND o.item_id = f.item_id
UNION
SELECT
f.user_id,f.item_id,
(CASE when o.pay_time is not null then 1 else 0 end) as '已购买',
(CASE when o.pay_time is not null and f.fav_time is null then 1 else 0 end) as '购买未收藏',
(CASE when o.pay_time is null and f.fav_time is not null then 1 else 0 end) as '收藏未购买',
(CASE when o.pay_time is not null and f.fav_time is not null then 1 else 0 end) as '收藏且购买'
FROM orders o
RIGHT JOIN favorites f
ON o.user_id = f.user_id
AND o.item_id = f.item_id
ORDER BY user_id, item_id;
解析：
考察SQL语句中的case when、外连接、union的用法
18、好评率是用户对产品评价的重要指标。现在需要统计2019年3月1日到2019年3月31日，用户'小张'提交的"母婴"类目"DW"品牌的好评率（好评率=“好评”评价量/总评价量），请写出SQL/Python/其他语言查询语句:
用户评价详情表：a
字段：id（评价id，主键），create_time（评价创建时间，格式'2019-01-01'）， user_name(用户名称)，goods_id(商品id，外键) ，
sub_time（评价提交时间，格式'2019-01-01 23:10:32'），sat_name（好评率类型，包含：“好评”、“中评”、“差评”）
商品详情表：b
字段：goods_id（商品id，主键），goods_name（商品类目）, brand_name(品牌名称)
答案：
select
sum(case when sat_name = '好评' then 1 else 0 end)/sum(case when sat_name is not null then 1 else 0 end) as '好评率'
from a join b on a.goods_id = b.goods_id
where a.user_name = '小张'
and goods_name = '母婴'
and brand_name = 'DW'
and create_time between '2019-03-01' and '2019-03-31'
解析：
考察SQL语句
19、经过一番研究后，我们开发出了商品页面上“相关商品”模块的一个新的推荐算法，并且打算通过AB Test（50%用户保留原先的算法逻辑为控制组，50%用户使用新的算法逻辑为实验组）来对新的算法效果进行评估。假设你是此次实验的数据分析师，请问你会如何评估控制组和实验组的表现？（假设需要数据都可取到）请按重要性列出最重要的三个指标并给出你的分析过程/思考。
解析：
指标：相关商品的点击/曝光量；进入商品详情页后加购/立即购买的转化率；销售总额
方法：假设检验
假设检验可以这样做：
1、确定原假设和备则假设
原假设：使用新算法后没有效果（上述指标不变或下降）
备则假设：使用新算法后有效果（上述指标提高）
2、选择一个时间段进行AB Test
3、T检验，计算P值
4、分析结果：如果使用新算法后的指标远低于没有用新算法的指标，如果新算法没有效果，出现这一结果的概率是很低的，因此拒绝原假设，即使用新算法后有效。
原理：小概率反证法
20、如果我们发现，某店铺的X品类在今年3月的销量，比去年3月的销量下降了50%，如果你是负责此次分析的数据分析师，你会如何分析？请写出你的分析思路/过程/想法。
解析：
开放性问题，放一个我的思路吧：
排除数据本身的问题：首先是确定数据是否正确，数据来源、口径是否无误，然后再接下去分析；
确认跌幅合理性：下降了50%，结合环比，同比，同期群分析它的跌幅是否合理；
分析外部原因：有哪些可能的外部原因和下降有关，有关到什么程度，比如是否是其他相关部门进行了产品迭代、运营策略的调整、设备故障等因素；
分析内部原因：这就可以从多个维度进行分析了，比如从用户、产品、市场的角度分别分析，还可以进行指标拆分；
确认影响程度：确认到底是哪一环节出了问题导致指标的下降，该指标的下降对关键指标有无影响，影响程度如何；
制定巩固措施：以后怎么避免该类问题发生。
21、某APP 7月份DAU比同年5月份上涨了10%，作为数据分析师，你会从哪些方面分析DAU增长的原因？请列举至少两种以上拆分思路。
解析：
这题和上一道题很像，一个是指标为什么下跌，一个是指标为什么上涨。但这题更注重考查分析内部原因这块，但是首先最重要的，都是要检查数据的准确性。
这里贴一个网友的答案，思路非常清晰(来源：牛客网)：
22、挑选任意一款你使用过的社区类APP（不包括小红书），回答以下问题：
(1)描述使用这款APP的用户特征，并比较该APP用户特征与小红书用户特征的异同
(2)预估每一天有多少人在这款app上发布内容。请写出你需要的辅助数据，并简述预估的方法
(3)你选择的这款APP近期拟邀请ABC三组艺人中的一组开展联动活动，活动的主要目的为提升DAU。
在活动形式完全一致的前提下，你将选择哪一组？
作答要求：1）简述分析思路，2）列出对应的数据指标
解析：
开放性题目。
23、经过一番研究，我们决定在新用户首次激活APP时增加一个短视频介绍页面来增加用户对产品的感知，并且打算通过AB Test（50%为控制组，50%的用户首次激活时会看到短视频介绍）来进行评估。假如你是此次实验的数据分析师，请问你会如何评估控制组和实验组的表现？请列出你认为重要的指标，给出分析过程和可能用到的统计方法。
解析：
目的应该是了解用户在观看短视频介绍页面后的行为，以此来判断短视频介绍页面是否有用。
指标：关注实验组短视频点击率，跳出率，观看时长，对比两个组的用户激活量，注册激活率，以及后续的留存情况。
方法：假设检验
24、小红书上海办公室楼下有一便利店，面积约为20平方米，主要提供零食及饮料。请预估该便利店每周的营业额是多少？
解析：
预估这种问题，主要方向是进行一个逻辑拆解，把一个复杂的问题拆解成具体、简单的问题。贴其中的一种思路，大家看看吧：
营业额可以拆分为客流量X平均消费额。面积20平，10平放置货物，10平顾客区，可以同时容纳5个顾客，假设消费时长人均10分钟，那么一个小时客流量30人，人均消费25元，一天10个小时营业时间，每周营业额302510*7=52500元。
25、如果APP有一个功能是用户的位置信息能够每隔1分钟上传一次数据库，那么怎么发挥它的作用？
解析：
这题的回答方向应该是用这个用户的位置信息能做什么事。比如根据位置信息可以获取用户的行为轨迹，进而分析出用户的行为习惯，进行相应的实时推荐服务等。
有些题目考察统计学知识，如几何分布、二项分布的应用；
有些题目是比较基础的数学题，如求二元一次方程最大值、增速等；
考察Excel的基本用法，如公式写没写对；
考察机器学习、统计学的一些基本知识点，如都有哪些聚类算法等，知道就行；
考察SQL的应用，两道大题直接写SQL，比较重要；
大题里重点考察A/B Test的应用，3道题的思路都有它，非常重要。
猜你喜欢：
点分享
点点赞
点在看
本文为作者独立观点，不代表鸟哥笔记立场，未经允许不得转载。
《鸟哥笔记版权及免责申明》 如对文章、图片、字体等版权有疑问，请点击 反馈举报
Powered by QINGMOB PTE. LTD. © 2010-2022 上海青墨信息科技有限公司 沪ICP备2021034055号-6
我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求，为完善跟帖评论自律管理，为了保护用户创造的内容、维护开放、真实、专业的平台氛围，我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容，同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。
一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规，对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息，主要表现为：
1)反对宪法所确定的基本原则；
2)危害国家安全，泄露国家秘密，颠覆国家政权，破坏国家统一，损害国家荣誉和利益；
3)侮辱、滥用英烈形象，歪曲、丑化、亵渎、否定英雄烈士事迹和精神，以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉；
4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动；
5)煽动民族仇恨、民族歧视，破坏民族团结；
6)破坏国家宗教政策，宣扬邪教和封建迷信；
7)散布谣言，扰乱社会秩序，破坏社会稳定；
8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪；
9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序；
10)侮辱或者诽谤他人，侵害他人名誉、隐私和其他合法权益；
11)通过网络以文字、图片、音视频等形式，对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法规禁止的其他内容；
2. 不友善：不尊重用户及其所贡献内容的信息或行为。主要表现为：
1)轻蔑：贬低、轻视他人及其劳动成果；
2)诽谤：捏造、散布虚假事实，损害他人名誉；
3)嘲讽：以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述，以此来激怒他人；
4)挑衅：以不友好的方式激怒他人，意图使对方对自己的言论作出回应，蓄意制造事端；
5)羞辱：贬低他人的能力、行为、生理或身份特征，让对方难堪；
6)谩骂：以不文明的语言对他人进行负面评价；
7)歧视：煽动人群歧视、地域歧视等，针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击；
8)威胁：许诺以不良的后果来迫使他人服从自己的意志；
3. 发布垃圾广告信息：以推广曝光为目的，发布影响用户体验、扰乱本网站秩序的内容，或进行相关行为。主要表现为：
1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式：
2)单个帐号多次发布包含垃圾广告的内容；
3)多个广告帐号互相配合发布、传播包含垃圾广告的内容；
4)多次发布包含欺骗性外链的内容，如未注明的淘宝客链接、跳转网站等，诱骗用户点击链接
5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光；
6)购买或出售帐号之间虚假地互动，发布干扰网站秩序的推广内容及相关交易。
7)发布包含欺骗性的恶意营销内容，如通过伪造经历、冒充他人等方式进行恶意营销；
8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。
4. 色情低俗信息，主要表现为：
1)包含自己或他人性经验的细节描述或露骨的感受描述；
2)涉及色情段子、两性笑话的低俗内容；
3)配图、头图中包含庸俗或挑逗性图片的内容；
4)带有性暗示、性挑逗等易使人产生性联想；
5)展现血腥、惊悚、残忍等致人身心不适；
6)炒作绯闻、丑闻、劣迹等；
7)宣扬低俗、庸俗、媚俗内容。
5. 不实信息，主要表现为：
1)可能存在事实性错误或者造谣等内容；
2)存在事实夸大、伪造虚假经历等误导他人的内容；
3)伪造身份、冒充他人，通过头像、用户名等个人信息暗示自己具有特定身份，或与特定机构或个人存在关联。
6. 传播封建迷信，主要表现为：
1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病；
2)求推荐算命看相大师；
3)针对具体风水等问题进行求助或咨询；
4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失，包括通过占卜方法问婚姻、前程、运势，东西宠物丢了能不能找回、取名改名等；
7. 文章标题党，主要表现为：
1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户；
2)内容与标题之间存在严重不实或者原意扭曲；
3)使用夸张标题，内容与标题严重不符的。
8.「饭圈」乱象行为，主要表现为：
1)诱导未成年人应援集资、高额消费、投票打榜
2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
5)通过「蹭热点」、制造话题等形式干扰舆论，影响传播秩序
9. 其他危害行为或内容，主要表现为：
1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的；
2)不当评述自然灾害、重大事故等灾难的；
3)美化、粉饰侵略战争行为的；
4)法律、行政法规禁止，或可能对网络生态造成不良影响的其他内容。
二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时，本网站将依据相关用户违规情节严重程度，对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号，或者滥用多个帐号发布违规内容时，本网站将加重处罚。
三、申诉
随着平台管理经验的不断丰富，本网站出于维护本网站氛围和秩序的目的，将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议，可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)